SISTEMA ESPECIALISTA EM LÓGICA FUZZYlivros01.livrosgratis.com.br/cp037463.pdf · 2016-01-25 ·...

UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ

CAMPUS DE PONTA GROSSA

DEPARTAMENTO DE PÓS-GRADUAÇÃO

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO

PPGEP

MARCELO BILOBROVEC

SISTEMA ESPECIALISTA EM LÓGICA FUZZY

PARA O CONTROLE, GERENCIAMENTO E MANUTENÇÃO DA QUALIDADE

EM PROCESSO DE AERAÇÃO DE GRÃOS

PONTA GROSSA

DEZEMBRO - 2005

Livros Grátis

http://www.livrosgratis.com.br

Milhares de livros grátis para download.

MARCELO BILOBROVEC

SISTEMA ESPECIALISTA EM LÓGICA FUZZY

PARA O CONTROLE, GERENCIAMENTO E MANUTENÇÃO DA QUALIDADE

EM PROCESSO DE AERAÇÃO DE GRÃOS

Dissertação apresentada como requisito parcial à obtenção do título de Mestre em Engenharia de Produção, do Programa de Pós-Graduação em Engenharia de Produção, Área de Concentração: Gestão Industrial, do Departamento de Pesquisa e Pós-Graduação, do Campus Ponta Grossa, da UTFPR.

Orientador: Rui Francisco Martins Marçal, Dr.

PONTA GROSSA

DEZEMBRO - 2005

B599 Bilobrovec, Marcelo Sistema especialista em lógica fuzzy para o controle, gerenciamento e manutenção da qualidade em processo de aeração de grãos / Marcelo Bilobrovec. – Ponta Grossa : UTFPR, 2005. 75 f. : il. ; 30 cm Orientador: Profº Dr.Rui Francisco Martins Marçal

Dissertação (Mestrado) - Universidade Tecnológica Federal do Paraná, Campus Ponta Grossa. Curso de Pós-Graduação em Engenharia de Produção. Ponta Grossa, 2005.

1. Grãos – Aeração. 2. Sistemas especialistas (Computação). 3. Lógica

difusa. 4. Automação industrial. I. Marçal, Rui Francisco Martins, orient. II. UTFPR, Campus Ponta Grossa. Curso de Pós-Graduação em Engenharia de Produção. III.Título.

CDD 631.568

Aos meus pais José e Wladyslawa, pois foram os

responsáveis pela minha formação.

À minha esposa Marina, pois sempre esteve presente,

paciente e compreensiva nas horas mais difíceis,

acompanhado-me desde o início desta jornada.

Ao meu filho Matheus, pois muitas foram às vezes que

não lhe pude dar atenção.

Minha conquista também lhes pertence, pois o seu

apoio, carinho e amor foram imprescindíveis.

AGRADECIMENTOS

Quero externar os meus agradecimentos a todos os que direta ou

indiretamente contribuíram para o término deste trabalho.

Em especial agradeço ao grande amigo Ariangelo Hauer Dias, pelas horas

dedicadas durante o decorrer de todo este trabalho.

A meu orientador, professor Dr. Rui Francisco Martins Marçal, pela

paciência, incentivo, orientação e compreensão nos momentos mais difíceis deste

longo caminho.

Aos demais professores do Curso de Pós-Graduação em Engenharia de

Produção pelo atendimento, carinho e colaboração.

Aos meus colegas pelo convívio, pelas longas horas de estudo. Serão

lembrados com alegria e satisfação. Obrigado pelo companheirismo.

“[...] uma coisa são as

máquinas e outra coisa é o

modo de utilizá-las. A pólvora

continua pólvora,

indiferentemente que seja

utilizada para ferir ou para

curar”.

Karl Marx

RESUMO

Este trabalho apresenta um sistema especialista baseado em Lógica Fuzzy para

controle automático, gerenciamento e manutenção da qualidade do processo de

aeração de grãos em silos. O sistema possibilita a aeração de grãos de forma

racional em silos verticais atendendo às necessidades tanto para o armazenamento

como para a conservação destes. É desenvolvido um protótipo que permite o ensaio

com grãos de milho e a verificação da necessidade de aerar certa massa destes

grãos, através da análise das condições de temperatura ambiente e da massa

ensilada e da umidade relativa do ar ambiente e dos grãos. A implementação das

ações de intervenção e controle usa a Lógica Fuzzy, por esta possibilitar a captura

do conhecimento de especialistas, da mesma forma que permite, em função da

diversidade de opiniões entre os pares, verificar o momento ótimo da intervenção.

Sensores fornecem as medidas de umidade e temperatura, as quais servem como

variáveis de entrada do processo. A interação entre os valores capturados, operados

pelas regras de inferência do sistema especialista em Lógica Fuzzy, desencadeia as

ações de controle e aeração. O sistema desenvolvido mostra-se apto a indicar a

aeração em conformidade com o Diagrama da Condução Racional da Aeração,

prescrito e desenvolvido pelo Instituto Técnico de Cereais e Forragens (ITCF),

situado na França, mostrando-se, desta forma capaz de operacionalizar de forma

informatizada o controle e gerenciamento automático do sistema de aeração.

Palavras-chave: sistemas especialistas, lógica fuzzy, automação industrial, aeração de grãos, manutenção de qualidade.

ABSTRACT

This work presents a specialist system for automatic control and management of the

process of aeration of grains and to maintain the quality them, using the Fuzzy Logic.

It makes possible the aeration of the maize grains in rational way in vertical storage

system taking care of the necessities for the storage as for the conservation. A

prototype has been developed that allows the assay and the verification of the

necessity of aeration of certain mass of maize grains, through the analysis of the

conditions of ambient temperature, the mass of grains temperature and the relative

humidity of air. The implementation of the actions and control uses the Fuzzy Logic,

making possible the capture of the knowledge of specialists. In the same way allows

the comparation of the diversity of opinions between the pairs, the excellent moment

of the intervention. The system uses sensors to measure humidity and temperature,

which are input variables of the process. The interaction between the acquired

values by the rules of inference of the specialist system in Fuzzy Logic, creates the

actions of aeration control. The developed system able indicates the aeration in

compliance with the Rational Conduction of Aeration Diagram developed by the

Technical Cereals and Fodder Plants Institute (ITCF), situated in France. In this way,

capable to operate automatically the control of the aeration system.

Keywords: specialist system, fuzzy logic, industrial automation, aeration of grains, quality maintenance.

LISTA DE FIGURAS

Figura 2.1 - Função de pertinência. .......................................................................... 30

Figura 2.2 - Universo de discurso da variável lingüística temperatura...................... 31

Figura 3.1 - Curva de equilíbrio ar-milho a 20 ºC...................................................... 38

Figura 3.2 - Diagrama da Condução Racional da Aeração. ..................................... 39

Figura 4.1 - Sensor SHT71 utilizado......................................................................... 42

Figura 4.2 - Diagrama de blocos do sensor SHT71.................................................. 42

Figura 4.3 - Especificações técnicas segundo o fabricante. ..................................... 43

Figura 4.4 - Exemplo de como obter a leitura da umidade relativa do ar.................. 44

Figura 4.5 - Circuito inicial montado para leitura das informações dos sensores. .... 44

Figura 4.6 - Sensores SHT71 utilizados no projeto. ................................................. 45

Figura 4.7 - Esquemático da placa de aquisição de dados. ..................................... 45

Figura 4.8 - Traçado da placa de aquisição de dados. ............................................. 46

Figura 4.9 - Circuito elétrico fixado em sua base...................................................... 47

Figura 4.10 - Vista superior da placa de aquisição de dados com os sensores. ...... 47

Figura 5.1 - Elementos de um PC e placa de aquisição de dados. .......................... 48

Figura 5.2 - Borland Delphi 7 - Versão Enterprise. ................................................... 49

Figura 5.3 - Tela principal do sistema....................................................................... 52

Figura 5.4 - Opções do sistema para o operador. .................................................... 52

Figura 5.5 - Tela do sistema do controle fuzzy. ........................................................ 53

Figura 5.6 - Tela de informações sobre o sistema.................................................... 54

Figura 5.7 - Tela com informações gráficas de umidade e temperatura................... 54

Figura 5.8 - Tela de exibição da temperatura em Celsius ou Farenheit. .................. 55

Figura 5.9 - Sistema operando no modo automático. ............................................... 56

Figura 5.10 - Sistema operando no modo manual.................................................... 57

Figura 5.11 - Escolha do método de defuzzyficação a ser utilizado. ........................ 57

Figura 5.12 – Intervalo onde o sistema realiza o processo de aeração.................... 58

Figura 5.13 - Conjuntos fuzzy para a diferença de temperatura do grão.................. 59

Figura 5.14 - Conjuntos fuzzy para a umidade relativa do ar ambiente.................... 60

Figura 5.15 - Regra lingüística do mapa de regras fuzzy. ........................................ 61

Figura 5.16 - Estrutura completa do controlador fuzzy. ............................................ 62

Figura 5.17 - Conjuntos fuzzy para a condução racional da aeração. ...................... 63

Figura 6.1 - Estágios funcionais de um instrumento ou um sistema de medição. .... 64

Figura 6.2 – Especificação do processo de aeração demonstrando a malha fechada

de controle automático. ..................................................................................... 67

Figura 7.1 - Resultado numérico da defuzzyficação na condução racional da

aeração.............................................................................................................. 68

Figura 7.2 - Resultado lingüístico da defuzzyficação na condução racional da

aeração.............................................................................................................. 69

Figura 7.3 - Sistema em funcionamento realizando a condução racional da aeração.

.......................................................................................................................... 69

LISTA DE TABELAS

Tabela 4.1 - Lista de comandos disponíveis do sensor SHT71................................ 43

Tabela 4.2 – Lista de materiais utilizados no desenvolvimento do trabalho ............. 46

Tabela 5.1 - Lista de bibliotecas adicionais utilizadas .............................................. 51

Tabela 5.2 - Variáveis lingüísticas utilizadas para fuzzyficação da diferença de

temperatura ....................................................................................................... 59

Tabela 5.3 - Variáveis lingüísticas utilizadas para fuzzyficação da umidade............ 60

Tabela 5.4 - Condução racional da aeração, função da Diferença temperatura do

grão e ar por umidade relativa do ar ambiente .................................................. 61

Tabela 5.5 - Processo de defuzzyficação ................................................................. 63

SUMÁRIO

AGRADECIMENTOS

RESUMO

ABSTRACT

LISTA DE FIGURAS

LISTA DE TABELAS

1 INTRODUÇÃO 16 1.1 CONSIDERAÇÕES INICIAIS 16 1.2 AERAÇÃO 20 1.3 LÓGICA FUZZY 23 1.4 JUSTIFICATIVA DA PESQUISA 25 1.5 OBJETIVO GERAL 25 1.6 OBJETIVOS ESPECÍFICOS 25 1.7 ESTRUTURA DA DISSERTAÇÃO 26

2 FUNDAMENTOS DA LÓGICA FUZZY 27 2.1 APLICAÇÃO DA LÓGICA FUZZY 31 2.2 BASE DE REGRAS 32 2.3 FUZZYFICAÇÃO 33 2.4 INFERÊNCIA 34 2.5 DEFUZZYFICAÇÃO 35

3 FUNDAMENTOS DA AERAÇÃO 36 3.1 DEFINIÇÃO E OBJETIVOS DA AERAÇÃO 36 3.2 CONDUÇÃO DA AERAÇÃO 37

4 HARDWARE PARA A AQUISIÇÃO DOS DADOS 41 4.1 INTRODUÇÃO 41 4.2 A PORTA PARALELA DO PC 41 4.3 SENSOR SHT71 – UMIDADE E TEMPERATURA 41 4.4 PLACA DE AQUISIÇÃO DE DADOS 44

5 SOFTWARE PARA CONTROLE FUZZY DA AERAÇÃO 48 5.1 INTRODUÇÃO 48 5.2 O USO DA LINGUAGEM DE PROGRAMAÇÃO BORLAND DELPHI 7® – VERSÃO ENTERPRISE 49 5.3 MÓDULOS DO SISTEMA DE CONTROLE 50 5.4 BIBLIOTECAS ADICIONAIS UTILIZADAS NO DESENVOLVIMENTO DO SISTEMA 50 5.5 INTERFACE COM O USUÁRIO 51 5.6 MODOS DE OPERAÇÃO DO SISTEMA DE AERAÇÃO 55 5.7 DESCRIÇÃO DO SISTEMA DE CONTROLE FUZZY 58

5.7.1 Função de fuzzyficação para a variável de entrada diferença de temperatura 59

5.7.2 Função de fuzzyficação para a variável de entrada umidade do ar ambiente 60 5.7.3 Regras de inferência para o controle da aeração 60 5.7.4 Função de fuzzyficação para a variável de saída aeração 62

6 ESPECIFICAÇÃO DO PROCESSO DE AERAÇÃO 64 7 RESULTADOS 68 8 CONSIDERAÇÕES FINAIS E TRABALHOS FUTUROS 70 REFERÊNCIAS 71 APÊNDICE A - FLUXOGRAMA DO SISTEMA 75

Capítulo 1 Introdução 16

PPGEP – Gestão da Manutenção (2005)

1 INTRODUÇÃO

1.1 CONSIDERAÇÕES INICIAIS

A expansão do chamado complexo eletrônico e a utilização generalizada da

microeletrônica e informática sugerem uma investigação para saber como a

agricultura tem investido nessa área. A literatura sobre o tema ressalta o papel da

microeletrônica e informática numa possível transformação do processo produtivo

agrícola, tornando-o semelhante ao processo produtivo industrial.

Ao longo dos anos 90, no cenário mundial, podem ser detectadas algumas

tendências para o setor industrial, mas que afetam também a produção

agropecuária. Essas tendências segundo Coutinho (1992) são:

“... o peso crescente do complexo eletrônico; um novo

paradigma de produção industrial - automação integrada

flexível; revolução nos processos de trabalho; transformação

das estruturas e estratégias empresariais; as novas bases da

competitividade; a ”globalização" como aprofundamento da

internacionalização e as "alianças tecnológicas" como forma de

competição".

Entretanto, a discussão dos efeitos da microeletrônica nos processos

produtivos e desenvolvimento agrícola não pode ser feita nos mesmos padrões

utilizados para o setor industrial. A agricultura apresenta algumas características

particulares (ou barreiras), que afetam seus processos de produção, investimento,

decisão, organização e modernização, que podem ser assim explicitados:

• O uso, a propriedade e monopolização da terra, que é o elemento

essencial e ainda não reprodutível (em larga escala) para a

produção agropecuária;

• As condições naturais (sol, chuva, etc.), o tempo natural de

produção e reprodução das plantas e animais;

• A diferença entre o tempo de trabalho e o tempo de produção no

processo agrícola (nestes dois últimos itens, embora a Ciência

tenha feito progressos notáveis e apontado as tendências de



mudança, a agricultura ainda depende das condições naturais para

produção em larga escala) e

• As formas de renda fundiária.

A partir destas considerações iniciais, podemos destacar duas teses

principais sobre o comportamento futuro do desenvolvimento agrícola. A primeira

tese, de Goodman, Sorj e Wilkinson (1990), diz que:

"... a chave para compreender o caráter único da agricultura,

(...) não está nem em sua estrutura social nem na dotação dos

fatores. Ao contrário, a agricultura confronta o capitalismo com

um processo de produção natural. Diferentemente dos setores

da atividade artesanal, a agricultura não poderia ser

diretamente transformada num ramo da produção industrial...”

Em contraposição às idéias acima sintetizadas, a segunda tese, de Graziano

(1992), diz que:

"... a apropriação capitalista do processo de produção e de

trabalho na agricultura, apesar de este ser "discreto e

descontínuo" - lento, foi o adjetivo preferido dos autores

marxistas clássicos - está gradativamente superando as

"limitações estruturais" representadas pela natureza (conversão

biológica de energia, tempo de crescimento e de gestação) e

pelo espaço físico (representado pela terra como meio de

produção fundamental)...”

Ressalta também que:

"... essa reestruturação não chega a constituir-se numa

transformação unificada tem uma resposta já consagrada na

literatura clássica: a agricultura se encontra ainda na etapa da

manufatura, na qual essa transformação é mesmo parcial. (...).

Hoje podemos pensar num "salto de etapas", da base natural à

produção flexível, por exemplo. Seria absurdo por acaso



considerar uma agricultura pós-industrial à base de um exército

de robôs controlados por computadores em paralelo.

O progresso técnico, visto como "progresso das técnicas capitalistas de

produção no processo de valorização do capital", (GRAZIANO, 1981) ocorre de

modo diferente na agricultura, quando comparado à indústria e outros setores,

exatamente por conta e, principalmente, das barreiras acima apontadas. Entretanto:

"o sentido do progresso técnico na agricultura tem sido

justamente o de superar as limitações que o capital encontra

para o seu desenvolvimento, de modo que as únicas barreiras

que lhe restem sejam aquelas colocadas pela própria produção

capitalista." (GRAZIANO, 1981).

Assim, as inovações capitalistas na agricultura, que impulsionaram a

produção agropecuária podem ser classificadas de:

• Inovações mecânicas: que afetam de modo particular a intensidade e

o ritmo da jornada de trabalho; (além das inovações já disseminadas,

atualmente na área de inovações mecânicas, a aplicação da robótica

na agricultura encontra-se em fase de estudos ou avaliações);

• Inovações físico-químicas: que modificam as condições naturais do

solo, elevando a produtividade do trabalho aplicado a esse meio de

produção básico e

• Inovações biológicas: que afetam principalmente a velocidade de

rotação do capital adiantado no processo produtivo, através da

redução do período de produção e da potenciação dos efeitos das

inovações mecânicas e físico-químicas.

O amplo desenvolvimento, difusão e utilização dessas inovações, embora

tenha colocado a agricultura como um setor da indústria, não rompeu,

definitivamente, as barreiras acima apontadas. A produção agrícola criou um sistema

de mão dupla com a produção industrial tanto a montante como a jusante, ou seja,

embora dependa da produção industrial, nas duas pontas para produzir e realizar

seu produto, ela passa a ser importante fonte de demanda efetiva, que estimula e



fortalece as atividades industriais. As estratégias empresariais e a gestão das

empresas agrícolas se alteraram. Formaram-se as cadeias agro-industriais.

Reduziu-se a incerteza. Mas os processos de produção industrial, o uso da

microeletrônica, da informática e da robótica ainda encontra barreiras para sua

ampla utilização na agricultura. Aqui é preciso acrescentar que, muito

provavelmente, junto com as barreiras naturais e tecnológicas, a forma de

organização fundiária e o tipo de administração (familiar ou empresarial) dos

estabelecimentos agrícolas são elementos que afetam também a transformação do

processo de produção agrícola, através do uso da microeletrônica.

O processo chamado de industrialização da agricultura não permite dizer

que o processo de produção agrícola é igual ou semelhante ao processo de

produção industrial. O progresso técnico, sem embargo, alterou profundamente a

produtividade do trabalho e da terra, mas não removeu, ainda, as barreiras para que

a produção agrícola possa ser comparada às diferentes formas de produção

industrial. Muito embora todas as mudanças na tecnologia, nos processos e nas

relações de trabalho, as plantas e os animais, bem como os solos de que tanto estes

como aquelas ainda dependem, continuam sendo os principais meios de produção

do setor agropecuário. Este apresenta a tendência de transformar-se numa indústria

por meio do progresso técnico, mas com a tecnologia disponível, ele dificilmente se

transformará num ramo industrial como os demais.

Na agricultura, quando se prepara a terra e se semeia soja, ou qualquer

outro cereal, o produto final será uma determinada qualidade de soja ou de outra

mercadoria. Além do que, há que se dar o tempo necessário para a germinação,

crescimento e maturação, ou seja, as transformações biológicas das plantas. Não

há, mesmo com a introdução de máquinas e acessórios, equipados com

componentes microeletrônicos, formas de alterar esse processo. Não há a

possibilidade de flexibilizar a produção de acordo com a demanda do mercado ou

necessidades de alterações técnicas. Uma vez iniciado o processo de produção, não

há como alterá-lo, a não ser destruindo-o e recomeçando outro.

“A reunião da revolução do computador e da revolução da

biotecnologia num complexo tecnológico único prenuncia uma

nova era de produção de alimentos - dissociada da terra, do



clima e de mudanças de estação, agentes que sempre foram

condicionadores da produção agrícola. Nos próximos 50 anos,

a agricultura tradicional deverá declinar vítima das forças

tecnológicas que rapidamente estão substituindo a agricultura

ao ar livre pela manipulação de moléculas em laboratório.

(RIFKIN, 1995)”.

A produção agrícola pode ser dividida, do ponto de vista da organização da

produção e do processo de trabalho, em dois grandes blocos: culturas temporárias e

culturas permanentes. Dentro desses dois blocos, cada cultura apresenta

características particulares. Nesta divisão geral, a produção de grãos está mais

avançada do ponto de vista da mecanização, absorção de inovações tecnológicas,

onde a racionalização do processo de trabalho permitiu a maior redução entre tempo

de trabalho e tempo de produção. Além disso, aí se vislumbra a maior possibilidade

de utilização de tecnologias na produção. A produção de trigo, soja e milho, por

exemplo, já totalmente mecanizada, poderia ser totalmente automatizada num futuro

não muito remoto. A produção de laranja e café, por outro lado, requer por suas

características, trabalhos manuais (enxertias, plantio, colheita, por exemplo) que a

automação ainda não soluciona. A solução final estaria contida na afirmação radical

de RIFKIN (1995).

1.2 AERAÇÃO

A aeração é a passagem forçada de ar através de uma massa de grãos

ensilada, visando prevenir ou solucionar problemas de conservação do produto e

secundariamente com o interesse de promover a secagem. A aeração é, atualmente,

a técnica mais utilizada para melhorar as condições de secagem e armazenamento.

Uma outra técnica utilizada para fazer o arejamento periódico de grãos

armazenados a granel é a transilagem, que consiste na transferência da massa de

grãos de uma célula para outra através de uma esteira rolante. Assim, na

transilagem, o arejamento é feito passando o produto pelo ar e na aeração o ar

passa pelo produto. Comparando essas duas técnicas pode-se observar que, na

transilagem quem se movimenta é o grão e na aeração o grão fica armazenado e



quem se movimenta é o ar. A transilagem deixou de ser utilizada devido às

desvantagens apresentadas em relação à aeração, dentre elas o seu alto custo,

uma vez que prescinde da reserva de células vazias para fazer a movimentação dos

grãos, o alto índice de quebras e danos no tegumento (revestimento externo das

sementes) dos grãos devido à movimentação da massa, o curto período de

exposição do grão em contato com o ar, sendo necessário aplicar várias repetições

para obter o arejamento desejado.

A técnica de aeração é empregada nos Estados Unidos e Europa desde o

início da década de 40. Nos dias de hoje ela é utilizada, praticamente, em todos os

países produtores de grãos, com técnicas de controle avançadas e equipamentos

modernos, fazendo com que o sistema de aeração seja a parte mais importante em

um silo, uma vez que seus benefícios são de fundamental importância para o

produtor. Ela é adotada na maioria dos silos existentes nos países de clima

temperado. No Brasil, principalmente a região sul, incluindo o estado de São Paulo,

apresenta condições favoráveis para o emprego da aeração. Em muitas regiões

tropicais da América do Sul, a aeração é empregada com vistas a manter, pelo

resfriamento, a qualidade do produto. Nas regiões tropicais, onde não é possível a

obtenção de ar frio, a aeração deve ser usada com cuidado, considerando que, em

alguns casos, podem ser obtidos resultados negativos, tais como: uma super

secagem da massa de grãos se a umidade relativa for baixa ou uma condensação,

se a umidade relativa for alta e a temperatura ambiente for baixa. Entretanto, vários

trabalhos experimentais foram realizados em países de clima quente, como a

Austrália e Israel, e o benefício da aeração tem sido amplamente constatado na

prática. (PUZZI, 1973).

Dentre as várias utilidades da aeração as principais são:

• Resfriamento e a manutenção da massa de grãos ensilada a uma

temperatura suficientemente baixa, para assegurar uma boa

conservação; secundariamente o interesse pode ser a secagem;

• Prevenir o aquecimento e o umedecimento da massa de grãos;

• Promover a remoção de odores na massa de grãos e

• Inibir a atividade de insetos e o desenvolvimento da microflora,

evitando o aparecimento de fungos que deterioram o produto.



Os conjuntos que compõem um sistema de aeração visam, principalmente, a

distribuição uniforme da movimentação do ar através da massa de grãos, de tal

forma que todas as zonas das células sejam aeradas de forma homogênea.

Os principais componentes de um sistema de aeração são:

• As células do silo que armazenam a massa de grãos;

• Os condutores perfurados para conduzir e distribuir o ar através da

massa de grãos;

• Os tubos de conexão que ligam os ventiladores aos condutores e

• O conjunto ventilador-motor para insuflação ou sucção do ar.

O conjunto ventilador-motor constitui a parte mais importante dos

componentes de um sistema de aeração. Ele é selecionado, em função do volume

de ar necessário para vencer determinada pressão estática. Trata-se, portanto, de

selecionar um conjunto que possa atender uma ou mais células de um silo cheio,

com diferentes grãos, que serão armazenados na unidade.

Existem vários tipos de ventiladores como: ventiladores helicoidais,

ventiladores axiais de uma ou duas hélices, ventiladores centrífugos, ventiladores de

pás curvadas para frente, entre outros. A utilização ou recomendação de cada um

deles depende, basicamente, do tamanho da célula do silo, da quantidade e do tipo

da massa de grãos a ser aerada e do fluxo de ar necessário.

Através de cálculos matemáticos é possível dimensionar o conjunto

ventilador-motor quanto ao tipo a ser usado, o fluxo de ar necessário e a potência do

motor.

Para se fazer uma aeração, primeiramente, deve-se definir qual é a

finalidade, por exemplo: armazenar certa massa de grãos e manter sua umidade

relativa em 13% e a temperatura em 20 ºC. Basicamente, a aeração depende da

temperatura e umidade do grão e da temperatura e umidade relativa do ar ambiente.

Para o controle da temperatura, na massa de grãos, empregam-se as instalações de

termometria, as quais são constituídas por uma rede de sensores de temperatura,

dispostos de forma regular nas células de armazenamento dos silos.



O mesmo ocorre no controle da umidade. Aparelhos chamados umidistatos,

que operam, também, através de sensores instalados nas células. Ambos os

sensores são ligados a um quadro de controle, que indicam a temperatura e a

umidade em vários níveis da massa de grãos. Esses aparelhos permitem ao

operador escolher o momento oportuno para se fazer uma aeração e quanto deve

ser a sua duração. Assim o operador pode ligar ou desligar os ventiladores conforme

as necessidades. Através de cálculos matemáticos é possível determinar o tempo de

aeração necessário para que uma determinada massa de grãos, a partir das

condições iniciais, atinja as condições finais desejadas de armazenamento. Desta

forma, o operador do silo poderá programar o sistema de aeração com maior

precisão e conforme as necessidades do processo.

Atualmente, existem controles automáticos de aeração, os quais são pouco

usados no Brasil, devido ao custo elevado. Operam utilizando termostatos e

umidistatos que são ajustados para comandar o desligamento dos ventiladores de

acordo com as condições do tempo, permitindo que a aeração continue durante a

noite, com aproveitamento total dos períodos que permitem a operação,

principalmente sendo desligados nos horários de pico de consumo de energia

elétrica.

O alto custo da energia elétrica, cuja produção é crítica em nosso país e,

portanto, deve ser usada racionalmente, associada à política tarifária das

concessionárias, torna-se uma das principais preocupações quanto ao

encarecimento no valor final do produto.

1.3 LÓGICA FUZZY

Na década de 60, o professor L. A. Zadeh, da Universidade de Berkeley,

USA, trabalhando com inteligência artificial, considerou que a rigidez da teoria usual

de conjuntos era incompatível com a implementação satisfatória de sistemas

especializados, pois estes, sendo softwares interativos, capazes de tomar algumas

decisões, alicerçados nos conjuntos usuais com tomadas de decisões binárias, não

contemplavam todo o espectro de escolha desenvolvido pela mente humana no

cotidiano.



Devido à necessidade de ferramentas mais flexíveis, ele sugeriu, neste

período, uma teoria alternativa de conjuntos, onde a passagem da pertinência para a

não pertinência fosse gradual e não abrupta. Dessa maneira, surgiram os Conjuntos

Fuzzy.

A característica especial de Lógica Fuzzy é a de representar uma forma

inovadora no manuseio de informações imprecisas, de forma muito distinta da teoria

de probabilidades. A Lógica Fuzzy provê um método de traduzir expressões verbais,

vagas, imprecisas e qualitativas, comuns na comunicação humana em valores

numéricos (MARÇAL e SUSIN, 2005).

Deste modo, é possível se converter toda a experiência humana em uma

forma compreensível pelo computador. Assim, a tecnologia possibilitada pelo

enfoque fuzzy, tem um imenso valor prático, pela qual se torna possível a inclusão

da experiência de operadores humanos, os quais controlam os processos e plantas

industriais, em controladores computadorizados, possibilitando estratégias de

tomadas de decisão em problemas complexos ou que exijam tempo de solução

reduzido. O sucesso atualmente reconhecido, de sistemas de modelagem e controle

baseados em Lógica Fuzzy, em aplicações industriais, tem comprovado sua

utilização como mais uma ferramenta (ou tecnologia) para a resolução de problemas

de engenharia de controle industrial, manufatura, manutenção, comunicação

homem-máquina e em sistemas de tomadas de decisão (MARÇAL e SUSIN, 2005).

Com o desenvolvimento desses elementos de teoria, os estudos

desenvolvidos permitiram vislumbrar a possibilidade de se caminhar teoricamente,

pois, com os conjuntos fuzzy, crescia a possibilidade de interpretação de fenômenos

não quantitativos e vagos, sendo, porém, necessário buscarem-se mecanismos para

inferência a partir desses dados. Como os sistemas lógicos são intimamente

relacionados com conjuntos, o passo seguinte foi dado em direção à construção de

uma lógica capaz de adequar os conjuntos fuzzy ao raciocínio do senso comum. Tal

sistema denomina-se Lógica Fuzzy.

Na tentativa de construir a Lógica Fuzzy, significativos resultados foram

aparecendo e despertando o interesse de outros campos de estudo, principalmente

aqueles que desenvolvem tecnologia elétrica, eletrônica e computacional. Esta

também tem contribuído, acentuadamente, para o desenvolvimento de áreas como a



lingüística, teoria de controle, teoria de informação, modelos de reconhecimento,

análise de decisão, recuperação de informação e robótica, onde tem surgido um

grande número de máquinas capazes de decisões, as quais são chamadas de

máquinas inteligentes.

1.4 JUSTIFICATIVA DA PESQUISA

A necessidade de preparação e conservação para a industrialização ou

consumo de grãos exige o controle das condições de umidade e temperatura para

evitar perdas na qualidade do produto e controlar as condições de germinação.

Diante do exposto e devido à possibilidade da Lógica Fuzzy (interpretação

de fenômenos não quantitativos e vagos onde a passagem da pertinência para a

não pertinência é gradual e não abrupta), o presente trabalho motiva o

desenvolvimento de um sistema automático de controle e gerenciamento do

processo de aeração em silos, para a manutenção da qualidade de grãos, utilizando

a Lógica Fuzzy, para sistemas de aeração em silos verticais, que possa atender as

necessidades do agricultor no armazenamento adequado dos seus produtos para

obter uma melhor e maior conservação dos grãos.

1.5 OBJETIVO GERAL

Desenvolvimento de um sistema especialista baseado em Lógica Fuzzy para

o controle automático e gerenciamento do processo de aeração de grãos em silos e,

assim, garantir a manutenção da qualidade destes.

1.6 OBJETIVOS ESPECÍFICOS

• Implementar o conhecimento de especialistas em armazenagem,

visando desenvolver procedimentos e mecanismos automáticos no

controle do processo de aeração de grãos de milho;

• Aplicar os padrões existentes (propostos por Lasseran) no

desenvolvimento do sistema informatizado de controle automático, no



que se refere às condições de umidade e temperatura utilizando a

Lógica Fuzzy e

• Propor um sistema que permita a flexibilidade de (re)configuração

adaptando-o à variação de produto e condições do ambiente.

1.7 ESTRUTURA DA DISSERTAÇÃO

Neste capítulo é exposta a motivação para a realização da pesquisa,

enfocando a importância do controle automático da aeração de grãos de milho.

O capitulo 2 apresenta uma revisão da literatura de fundamentos da Lógica

Fuzzy.

O capitulo 3 expõe a teoria a respeito de aeração de grãos.

O capítulo 4 exibe as etapas utilizadas para a construção e implementação do

hardware, ou seja, descreve o desenvolvimento.

O capitulo 5 delineia a estrutura lógica de programação do sistema, isto é o

sistema especialista em Lógica Fuzzy e a interface homem – máquina (IHM)

desenvolvidos.

O capitulo 6 traz a especificação do processo de aeração, onde se utiliza a

linguagem de especificação para instrumentos e processos, sugeridas por Ernest O.

Doebelin, demonstrando a malha fechada de controle automático.

O capitulo 7 traz os resultados adquiridos utilizando-se o sistema

desenvolvido.

O capitulo 8 contém as considerações finais e sugere a especificação e

aplicação em outros produtos como trabalhos futuros.

Na seqüência estão as referências bibliográficas que compõem o trabalho na

íntegra.

Capítulo 2 Fundamentos da Lógica Fuzzy 27


2 FUNDAMENTOS DA LÓGICA FUZZY

Segundo Feitosa (1992), na década de 60, mais precisamente em 1965, o

professor L. A. Zadeh, da Universidade de Berkeley, USA, que trabalhava com

Inteligência Artificial, achava que a teoria usual de conjuntos era por demais rígida,

para contemplar fenômenos quotidianos do dia a dia. Uma vez que, os sistemas

especializados, os quais estava interessado em implementar, eram softwares

interativos, capazes de tomar algumas decisões próprias, sustentadas apenas pela

teoria usual de conjuntos, a qual admite apenas decisões binárias, ou seja, o

“verdadeiro” e o “falso”. Não seria possível utilizá-los satisfatoriamente, abrangendo

toda a gama de decisões da mente humana para interpretar estes fenômenos.

Com os estudos realizados sobre os conjuntos fuzzy, surgia a possibilidade

de interpretar os fenômenos não quantitativos e vagos, porém, surgia também, a

necessidade de dar a esta teoria uma estrutura matemática completa e consistente.

Como os sistemas lógicos estão intimamente relacionados com a teoria de

conjuntos, Zadeh, vislumbrou a possibilidade da construção de uma lógica, capaz de

adequar os conjuntos fuzzy, aos “padrões” dos sistemas lógicos já consagrados.

Na Lógica Clássica, o valor verdade de uma proposição assumirá, somente,

o valor falso (0) ou o valor verdadeiro (1) e, necessariamente, terá que assumir um

desses dois, não havendo outra possibilidade. Já na Lógica Fuzzy, o valor verdade

de uma proposição, pode ser um subconjunto fuzzy de qualquer conjunto

parcialmente ordenado. Geralmente é adotado o [0,1], que é o intervalo fechado de

números reais. Assim, na Lógica Fuzzy, não existem apenas o verdadeiro (1) e falso

(0), mas uma infinidade de valores verdades, os quais são expressões lingüísticas

interpretadas como subconjuntos fuzzy do intervalo unitário. Por exemplo: falso,

muito falso, um pouco falso, mais ou menos falso, um pouco verdadeiro, pouco

verdadeiro, muito verdadeiro, verdadeiro, etc.

Na Lógica Clássica, os predicados são termos exatos como: igual a, maior

que, ímpar, primo, etc. Na Lógica Fuzzy, os predicados são termos subjetivos,

indefinidos ou “nebulosos” como: magro, alto, úmido, quente, velho, etc. Outro

aspecto que difere as duas lógicas é quanto aos quantificadores, que na Lógica

Clássica existem apenas os quantificadores: universal (∀) e o existencial (∃).



Conforme Feitosa (1992) e Cruz (1996), a idéia de Zadeh se torna

interessante, na medida em que associa a cada elemento de um conjunto um certo

número real do intervalo [0,1]. Sendo que, cada conjunto corresponde a um

predicado lógico e os elementos do conjunto aos objetos que satisfazem o

predicado. Pode-se dizer que esse número é o grau de verdade do objeto

satisfazendo o predicado.

Definição: Seja V≠∅. Um conjunto fuzzy A é uma função fA: V→ [0,1], onde

o conjunto V é chamado o universo de A, com A ⊆ V x [0,1], [0,1] é o intervalo de

números reais e fA é denominado o conjunto verdade de A. Dessa forma definido,

pode-se identificar o conjunto fuzzy A com a função fA, ou seja, A ≡ fA.

Por exemplo: Seja { }4321 ,,, xxxxV = . Então um conjunto fuzzy A poderia ser

do tipo: { })1,0;(),7,0;(),3,0;( 421 xxxA = . É conveniente observar que, cada elemento do

conjunto fuzzy A possui um valor verdade em [0,1] e que A é formado por pares

ordenados, uma vez que, A ⊆ V x [0,1]. Assim, o valor verdade, também chamado

de “grau de aderência” ou “grau de pertinência”, do elemento 1x é 0,3, ou seja, fA( 1x )

= 0,3. Por convenção, os elementos que tiverem grau de aderência (valor verdade)

igual a zero, não precisam ser representados no conjunto, que é o caso do elemento

3x , ou seja, fA( 3x ) = 0, ou ainda ( 3x ;0 )∈A. Também por convenção, todos os

elementos do conjunto universo V possuem grau de aderência igual a 1, grau este

que não precisa ser representado.

Sejam V, o conjunto universo, e dois conjuntos fuzzy ( ){ }Vx,)x(f,xA A ∈∀=

e ( ){ }Vx,)x(f,xB B ∈∀= . Então:

Igualdade de conjuntos: A = B ⇔ fA(x) = fB(x), ∀ x ∈ V.

Conjunto Vazio: A = ∅ ⇔ fA(x) = 0, ∀ x ∈ V.

Conjunto Universo: A = V ⇔ fA(x) = 1, ∀ x ∈ V.

União de conjuntos: [ ]( ){ }Vx,)x(f),x(fmax,xBA BA ∈∀=∪ . Usa-se a

notação: [ ] BABA ff)x(f),x(fmax ∨= , onde ∨ é o conectivo “ou”.



Intersecção de conjuntos: [ ]( ){ }Vx,)x(f),x(fmin,xBA BA ∈∀=∩ . Usa-se a

notação: [ ] BABA ff)x(f),x(fmin ∧= , onde ∧ é o conectivo “e”.

Conjunto Complementar: denotado por ¬A : )x(f1)x(f AA −=¬ , ∀x∈V.

É interessante notar que, para a linguagem fuzzy, são usados os conectivos:

∧ (e); ∨ (ou); ¬ (negação) e → (se... então). O ∧ modelado pelo mínimo, o ∨ pelo

máximo, ¬ pelo complementar, isto é, negar uma frase A de valor lógico (grau de

aderência) fA(x) é tomar o seu complementar ¬A, de valor lógico )x(f1)x(f AA −=¬ .

Já o conectivo →, chamado de implicação, é modelado por: )ba1(1ba +−∧=→ .

Dessa forma, uma sentença fuzzy pode admitir outros valores-verdade e não

somente falsa (0) ou verdadeira (1).

Na Lógica Clássica, um elemento ou pertence a um conjunto ou não. Dado

um conjunto universo U e um elemento x∈U, o grau de pertinência fA(x), o qual, de

agora em diante, denota-se por µA(x), com respeito a um conjunto A⊆U é dado pela

função µA(x): U→[0,1], chamada de função característica definida pela Equação 2.1:

∉∈

=AxseAxse

xA 01

)(µ Equação 2.1

Zadeh (1987) propôs uma caracterização mais ampla, fazendo com que a

passagem da pertinência para não pertinência fosse mais lenta e gradual, na medida

em que sugere que alguns elementos são mais pertinentes de um conjunto do que

outros. O fator de pertinência pode então assumir qualquer valor entre 0 e 1, sendo

que o valor (0) indica uma completa exclusão e o valor (1) representa a completa

pertinência ou inclusão. Esta generalização aumenta o poder da função

característica. Por exemplo, para expressar a idéia de que uma temperatura tem seu

valor perto de 30 ºC pode-se utilizar uma função de pertinência triangular ilustrada

na Figura 2.1a, onde os valores maiores e menores que 30 ºC são distribuídos

simetricamente, com máximo grau de pertinência em 30 ºC, para sugerir a idéia de

que quanto mais perto a temperatura de 30 ºC, mais ele se identifica com o valor

representado.



Figura 2.1 - Função de pertinência.

Um outro fenômeno poderia ser caracterizado pela função trapezoidal

ilustrada na Figura 2.1b, a qual expressa qualquer temperatura entre 20 ºC e 40 ºC,

ter a mesma importância que a temperatura central de 30 ºC. Se a necessidade é

fazer com que os valores menores que 30 ºC tenham pertinência maior dentro do

conjunto e, restringir este fato aos valores maiores, pode ser usada uma outra

função triangular ilustrada na Figura 2.1c, a qual vem de encontro ao que se deseja

representar.

Conceitos são de uma forma geral, expressos por elementos qualitativos

como: “muito”, “não muito”, “mais ou menos”, “pouco quente”, “um tanto baixo”, ao

invés de valores quantitativos. Esses elementos qualitativos são resgatados através

de variáveis lingüísticas, as quais assumem valores dentro de um conjunto de

termos lingüísticos, ou seja, palavras e frases, ao invés de assumirem valores

numéricos. Por exemplo, a variável lingüística “temperatura” poderia assumir valores

no conjunto [mínima (MI), muito baixa (MB), pouco baixa (PB), média (MD), pouco

alta (PA), muito alta (MA), máxima (MX)]. Para se atribuir um significado aos termos



lingüísticos, associa-se a cada um deles um conjunto fuzzy definido sobre um

universo de discurso comum conforme a Figura 2.2.

Figura 2.2 - Universo de discurso da variável lingüística temperatura.

2.1 APLICAÇÃO DA LÓGICA FUZZY

Zadeh (1987), criador da Lógica Fuzzy, demonstra em seus trabalhos, a

capacidade de tal teoria interpretar os fenômenos não exatos do nosso dia-a-dia.

Daí sua aplicabilidade. Apesar disso, os matemáticos não consideram a Lógica

Fuzzy como uma Lógica Matemática nos padrões atuais, ou seja, ela não é, ainda,

uma teoria matemática perfeitamente consistente e completa, uma vez que ela deixa

de satisfazer algumas propriedades da Lógica Clássica, principal responsável para

ditar a veracidade de uma teoria matemática. Isso, no entanto, não inviabiliza a

Lógica Fuzzy como uma teoria matemática perfeitamente aplicada, segundo Cruz

(1996).

Segundo Ivanqui (2005), existem diversas áreas que estão sendo

beneficiadas pelo uso da Lógica Fuzzy, a exemplo:

• Em câmeras de vídeo, são aplicados ao foco automático e ao controle

da íris da câmera;

• Em máquinas de lavar com a utilização de sensores de temperatura

da água, concentração de detergente, peso das roupas, nível de

água, etc;

• Em fornos de microondas, com informações obtidas a partir de

sensores;

• Em aparelhos de ar-condicionado com o controle da umidade e



temperatura e

• Manutenção de motores elétricos, verificação das condições de

vibração dos motores com a finalidade de estabelecer procedimentos

de manutenção.

Para Barbosa (1995), a aplicação da Lógica Fuzzy no controle de motores

CC, facilitou, sensivelmente, o desenvolvimento de tais aparelhos, tornando-os mais

precisos, capazes de interpretar com mais exatidão os fenômenos elétricos de um

motor.

Especialistas em programação, como Tanaka & Mizumoto (1974),

consideram a Lógica Fuzzy, no que diz respeito aos modelos matemáticos, muito

mais adequada a programação, sugerindo softwares fuzzy de fácil entendimento,

capazes de serem usados em várias simulações reais. Estas afirmações são

corroboradas por Chang (1974), que também trabalha com representação e

execução de programas fuzzy.

2.2 BASE DE REGRAS

A base de regras tem por objetivo representar de forma sistemática a

maneira como o controlador gerenciará o sistema sob sua supervisão (DRIANKOV

et al, 1996).

A forma mais geral de uma regra lingüística é:

SE premissa ENTÃO conseqüência

Para Driankov (1996) e Ross (1995), as premissas também chamadas de

antecedentes são associadas com as entradas do controlador fuzzy e formam a

parte das regras representada à esquerda, enquanto as conseqüências, que

também são conhecidas como ações, estão associadas às saídas dos

controladores.

Relacionadas às variáveis lingüísticas do processo, pode-se estabelecer os

antecedentes – ou estados do processo – (DRIANKOV; HELLENDOORN e

REINFRANK, 1996) e associá-los com ações de controle. Para exemplificar a



utilização da base de regras, toma-se como exemplo o controle de uma caldeira,

onde se estabelece uma relação entre a temperatura interna da unidade, com a

vazão necessária de água para o seu resfriamento, o que produz as seguintes

regras:

SE temperatura é alta ENTÃO vazão de água é alta

SE temperatura é baixa ENTÃO vazão de água é baixa

SE temperatura é estável ENTÃO vazão de água é normal

Aparentemente simples, o exemplo dado é capaz de manter estável a

temperatura em uma caldeira, desde que os conjuntos fuzzy envolvidos tenham uma

definição condizente com a realidade. O que vale observar é que para cada estado

do processo é relacionada uma ação de controle (VIEIRA, 1999).

Este conjunto demonstra que a base de regras fuzzy é bastante intuitiva, do

ponto de vista humano. É como o clássico exemplo de estacionar um veículo em

uma vaga, virando-o um pouco mais para a esquerda ou para direita. Não existe,

neste caso, uma formulação matemática explícita envolvida na solução do problema,

mas sim a representação de um conhecimento adquirido pelo operador, o que

justifica a dificuldade encontrada pelos iniciantes em estacionar um carro e a

facilidade com que os motoristas com mais prática executam as manobras

necessárias. (IVANQUI, 2005).

Portanto é este conhecimento – o da experiência – que as regras fuzzy

representam, sendo perfeitamente inteligível o seu significado.

Numa base de regras, há sempre um número finito de regras que pode ser

estabelecida, depois que se determina o número de entradas e saídas necessárias

ao sistema de controle, e que se escolhe os predicados lingüísticos (número,

distribuição e forma das funções de pertinência) para cada uma destas variáveis.

2.3 FUZZYFICAÇÃO

A fuzzyficação é o processo de associar ou calcular um valor para

representar um grau de pertinência da entrada em um ou mais grupos qualitativos,

chamados de conjuntos difusos. O grau de pertinência é determinado por uma



função de pertinência que foi definida com base na experiência ou intuição. Funções

de pertinência são o meio pelo qual um controlador é sintonizado para alcançar

respostas desejadas a determinadas entradas (CABRAL, 1994).

Conforme Fernandes (1997), o tipo e a quantidade de funções de pertinência

usadas em um sistema dependem de: (i) precisão; (ii) estabilidade; (iii) facilidade de

implementação; (iv) manipulação e (v) manutenção.

Portanto, nessa etapa, Mattos (2001), cita que os valores numéricos são

transformados em graus de pertinência e associados a uma variável lingüística.

Permitindo uma ligação entre os termos lingüísticos (frio, próximo, quente, dentre

outros) e as funções de pertinência.

Segundo Viot (1993 apud MATTOS, 2001), o número e a forma das funções

de pertinência em conjuntos difusos são escolhidos dependendo da exatidão,

resposta, estabilidade, facilidade de implementação, manipulação e manutenção

requeridas pelo sistema.

As funções de pertinência triangulares e trapezóides são as mais comuns, e

têm provado serem boas em efetividade e eficiência. Os conjuntos difusos devem

abranger o eixo X, cobrindo todo o intervalo, ou o universo de discurso, para uma

entrada de um sistema, mapeando para o intervalo de 0 a 1 do eixo Y as

pertinências de uma entrada. Sobreposição entre limites de conjuntos é desejável e

a chave para a operação suave do controlador. São permitidas pertinências em

múltiplos – até mesmo em contraditórios – conjuntos (CABRAL, 1994).

2.4 INFERÊNCIA

Depois das variáveis lingüísticas serem interpretadas, por meio da

fuzzyficação, a próxima etapa é a descrição das situações nas quais há reações, ou

seja, a determinação das regras SE-ENTÃO.

O lado SE (IF) de uma regra contém uma ou mais condições, chamadas

antecedentes que constituem uma premissa; o lado ENTÃO (THEN) contém uma ou

mais ações chamadas conseqüentes (CABRAL, 1994).



O antecedente da regra contém uma ou mais condições, o conseqüente

contém uma ou mais ações.

O antecedente corresponde diretamente aos graus de pertinência calculados

durante o processo de fuzzyficação. Cada antecedente tem um grau de pertinência

indicado para ele como resultado da fuzzyficação. Durante a avaliação das regras (a

inferência), a intensidade é calculada com base em valores dos antecedentes e

estão indicadas para saídas difusas da regra (FERNANDES, 1997).

2.5 DEFUZZYFICAÇÃO

A defuzzyficação converte um conjunto difuso de saída de um sistema em

um valor clássico correspondente. Este processo é importante para decifrar o

significado das ações difusas usando funções de pertinência e também para resolver

conflitos entre ações de competição (VIOT, 1993 apud MATTOS, 2001).

A avaliação das regras associa potências (intensidade) para cada ação

específica na atividade de inferência. Contudo, um outro processamento, ou

defuzzyficação, é necessário que seja executado por duas razões: a primeira é

decifrar o significado de ações vagas (difusas), utilizando funções de pertinência; a

segunda é resolver os conflitos entre ações conflitantes, que podem ter sido

acionadas durante certas condições na avaliação das regras (CABRAL, 1994).

Capítulo 3 Fundamentos da Aeração 36


3 FUNDAMENTOS DA AERAÇÃO

3.1 DEFINIÇÃO E OBJETIVOS DA AERAÇÃO

A aeração é a movimentação de ar ambiente adequado através da massa de

grãos para melhores condições de armazenamento (PUZZI, 1986).

Segundo Silva (1995), a aeração é a passagem forçada do ar através da

massa de grãos visando a prevenir ou solucionar problemas de conservação do

produto.

Lasseran (1981) define a aeração ou ventilação como sendo a circulação

forçada do ar ambiente através da massa de grãos.

O objetivo essencial da aeração é o resfriamento e a manutenção do grão a

uma temperatura suficientemente baixa para assegurar uma boa conservação.

A transilagem é uma técnica empregada em silos, a qual consiste na

transferência da massa de grãos de uma célula para outra através de uma esteira

rolante. A massa de grãos ao passar pelo ar é então ventilada. A temperatura pode

ser reduzida com a movimentação dos grãos e eliminar possíveis “bolsas” de calor

que tenham se formado no meio da massa.

No Brasil, durante muitos anos, foi utilizada a técnica de transilagem. Nos

dias de hoje, alguns poucos silos mais antigos, ainda utilizam essa técnica. A

maioria dos silos mais novos e modernos faz uso da aeração. A transilagem pode,

em alguns casos, resolver o problema da “migração da umidade”, que é a

propagação desta por condução. Entretanto, a ventilação provocada na massa de

grãos é pequena, exigindo, várias transilagens, causando grande dispêndio de

energia e danos mecânicos nos grãos (a quebra).

Puzzi (1986) e Silva (1995) apontam as seguintes vantagens da aeração em

relação à técnica de transilagem:

• Prescinde da reserva de células vazias para realização da

transilagem;

• Não apresenta as quebras e danos no tegumento dos grãos pela

movimentação da massa;



• Permite custos acentuadamente mais baixos por tonelada resfriada e

• Na transilagem, como os grãos passam através do ar por um período

reduzido de tempo, tornam-se necessárias, para um arejamento

satisfatório da massa de grãos, repetidas operações.

O resfriamento da massa de grãos pode prevenir o desenvolvimento de

insetos e fungos. Cereais mantidos em temperaturas baixas podem ser

armazenados com teores de umidade de 14 a 15%. Em um clima frio, os grãos

destinados ao plantio (sementes) têm também poder germinativo preservado por

mais tempo.

Uma massa de grãos mais fria guarda melhor a característica de

armazenamento. Entretanto, o principal objetivo da aeração é manter uma

temperatura uniforme nos grãos armazenados, impedindo, assim, a migração da

umidade (PUZZI, 1986).

3.2 CONDUÇÃO DA AERAÇÃO

Definida a finalidade da aeração, basicamente ela vai depender de quatro

variáveis: temperatura do grão, temperatura do ar ambiente, umidade do grão e

umidade do ar ambiente.

O grão é um produto higroscópico, isto é, pode ceder ou absorver umidade

do ar que o envolve. Assim, o teor de umidade dos grãos armazenados fica em

equilíbrio com a umidade relativa do ar intergranular.

Segundo Puzzi (1986) os grãos se encontram com teor de umidade

adequado para o armazenamento, quando estão em equilíbrio com uma umidade

relativa máxima de 70% do ar intergranular. Esta condição indica que durante a

aeração a umidade relativa do ar ambiente não deve ser superior a 70%, a fim de

não ocasionar um aumento da umidade dos grãos. Na Figura 3.1 é mostrada a curva

de equilíbrio entre o ar e o grão de milho.



3

8

1 3

1 8

2 3

5 1 0 1 5 2 0 2 5 3 0 3 5 4 0 4 5 5 0 5 5 6 0 6 5 7 0 7 5 8 0 8 5 9 0 9 5

U m id a d e R e la tiv a d o a r (% )

Teo

r de

Um

idad

e do

milh

o (%

)

Figura 3.1 - Curva de equilíbrio ar-milho a 20 ºC.

Existem várias opiniões sobre o momento mais conveniente para realizar

uma aeração. Alguns pesquisadores aconselham a aeração sempre que a

temperatura do ar ambiente for de 5 ºC a 8 ºC inferior à da porção mais quente do

grão. Uns acham que o intervalo da diferença de temperatura entre o ar e o grão

deve ser de 5 ºC a 6 ºC. Outros afirmam que a aeração é sempre possível quando a

temperatura do ar ambiente for inferior à do grão. Outros ainda aconselham a

aeração quando a temperatura do ar ambiente for 6 ºC inferior a temperatura do

grão, mas que isso depende da umidade relativa do ar e da massa de grãos. Uma

grande maioria afirma que para uma boa aeração, a diferença de temperatura entre

o ar ambiente e o grão e a umidade do ar ambiente e do grão, devem pesar,

conjuntamente, para a decisão final.

De uma forma geral, quase unânime, os pesquisadores recomendam, cada

um conforme seu entendimento do momento apropriado, que a aeração deve ser

feita usando o critério da diferença de temperatura entre o ar e o grão. (De Beer -

1972; Burrel -1973; Lasseran -1981; Puzzi -1986; Silva -1995).



Assim, pode-se verificar que, a temperatura é a variável fundamental para a

realização efetiva da aeração, já que o objetivo principal do processo consiste na

remoção o mais rápido possível do calor retido pela massa de grãos armazenada.

A Figura 3.2 mostra o Método da Condução Racional da Aeração, mais

conhecido como Diagrama da Condução Racional da Aeração, desenvolvido pelo

Instituto Técnico de Cereais e Forragens (ITCF), situado na França, o qual se aplica

aos cereais cuja umidade se aproxima das normas.

Figura 3.2 - Diagrama da Condução Racional da Aeração. Fonte: Instituto Técnico de Cereais e Forragens (ITCF)

Neste diagrama, para a região superior à curva “A”, tendo umidade relativa

baixa, haverá supersecagem da massa de grãos e se a umidade relativa for alta e a

temperatura externa baixa, poderá ocorrer condensação. Nestes casos, a aeração

pode ser feita apenas em caso de necessidade. Na região entre as curvas “A” e “B”,

a aeração é recomendada, contudo nos extremos desta região podem ocorrer os

mesmos fenômenos descritos acima. A região compreendida entre as curvas “B” e

“C”, permite aeração, porém com cuidados para evitar umedecimento da massa de

grãos. Fazer aeração com ar nas condições compreendidas entre a curva “C” e os

eixos, pode ocorrer o risco de umedecer os grãos.

A B

C



Segundo Lasseran (1981), este diagrama resulta de uma construção teórica,

mas verificada na prática, cujos elementos de base foram:

• Diagrama de Mollier (gráfico psicrométrico) e

• As curvas de equilíbrio entre a umidade relativa do ar e o teor de

umidade do grão.

Atualmente existem sistemas de aeração controlados manualmente onde,

somente através da monitoração da temperatura e umidade do grão armazenado,

são acionados os ventiladores, deixando-os em funcionamento o tempo necessário

para atingir a temperatura e a umidade desejada, desligando-os em seguida.

Capítulo 4 Hardware para a aquisição de dados 41


4 HARDWARE PARA A AQUISIÇÃO DOS DADOS

4.1 INTRODUÇÃO

Para construir o sistema capaz de controlar a aeração de grãos de milho, são

utilizados dois sensores de umidade e temperatura da marca Sensirion® modelo

SHT71. Para o controle fuzzy de umidade e temperatura utiliza-se hardware e

software específicos.

O hardware desenvolvido é apresentado neste capítulo e o software que

implementa o controle inteligente fuzzy é descrito no capítulo 5.

Os valores adquiridos dos sensores de umidade e temperatura estão

armazenados em um banco de dados relacional INTERBASE® 7.5 para se criar um

histórico. Estes valores são obtidos através da porta paralela do PC (Personal

Computer), por meio de uma placa de aquisição desenvolvida para este fim.

Para a implementação do sistema fuzzy de controle, de medição da umidade e

temperatura, usa-se um software desenvolvido na linguagem de programação

BORLAND DELPHI 7® – Versão Enterprise.

4.2 A PORTA PARALELA DO PC

É utilizada a porta paralela para a aquisição das variáveis do processo:

temperatura e umidade.

4.3 SENSOR SHT71 – UMIDADE E TEMPERATURA

O sensor SHT71, Figuras 4.1 e 4.2, é um chip multi sensor de umidade relativa

do ar e temperatura. Utiliza a tecnologia industrial patenteada CMOSens®. O

dispositivo inclui um polímero de alta capacidade que capta a umidade relativa e a

temperatura. Usa-se um para a aquisição da temperatura e umidade do ambiente e

um segundo para a captação da temperatura e umidade do produto armazenado (a

ser aerado). O circuito contém um conversor analógico-digital de 14 bits.



Figura 4.1 - Sensor SHT71 utilizado. Fonte: www.sensirion.com

Figura 4.2 - Diagrama de blocos do sensor SHT71. Fonte: www.sensirion.com

Na Figura 4.3 são mostradas as especificações do sensor segundo informações do

fabricante:

http://www.sensirion.com




Figura 4.3 - Especificações técnicas segundo o fabricante. Fonte: www.sensirion.com

Para iniciar uma transmissão, um “Transmission Start” deve ser emitido. Isto

consiste em abaixar da linha de DADOS enquanto SCK é alto, seguido por um baixo

pulso em SCK e elevando DADOS novamente enquanto SCK ainda é alto.

Na Tabela 4.1 são mostrados os comandos disponíveis para obter as

informações a partir do sensor SHT71:

Tabela 4.1 - Lista de comandos disponíveis do sensor SHT71 Fonte: www.sensirion.com

Na Figura 4.4 é mostrado um exemplo de como obter a umidade relativa do ar

a partir do sensor SHT71:





Figura 4.4 - Exemplo de como obter a leitura da umidade relativa do ar. Fonte: www.sensirion.com

4.4 PLACA DE AQUISIÇÃO DE DADOS

Para que a leitura das informações dos sensores possa ser obtida é

necessário uma placa de aquisição de dados. Inicialmente este circuito elétrico foi

montado em uma protoboard (circuito de testes) para que pudessem ser efetuados

todos os testes necessários e também o desenvolvimento do software de controle.

Na Figura 4.5 é mostrado o circuito inicial montado para testes:

Figura 4.5 - Circuito inicial montado para leitura das informações dos sensores.




Na Figura 4.6 são mostrados os dois sensores SHT71 utilizados neste

trabalho, já acoplados a uma pequena placa de circuito e um conector RJ11

(telefone) para conexão com a placa de aquisição de dados.

Figura 4.6 - Sensores SHT71 utilizados no projeto.

Através do programa ExpressSCH® é construído um modelo esquemático das

ligações para a confecção da placa de aquisição definitiva conforme ilustra a Figura

4.7:

Figura 4.7 - Esquemático da placa de aquisição de dados.

Para a confecção da placa definitiva são utilizados os seguintes componentes

conforme a Tabela 4.2 abaixo:



Tabela 4.2 – Lista de materiais utilizados no desenvolvimento do trabalho Material Quantidade Unidade Custo R$

Placa de circuito simples face 8x6 cm 1 Peça 8,00

Porta paralela para PCI DB25 macho 1 Peça 12,00

Diodo 1N 4148 High-Speed Switching 2 Peça 0,50

TF Modular Jack para PCI 4P4C 2 Peça 0,50

TM Modular Plug 4P4C 2 Peça 1,00

Cabo telefônico 4 fios 10 Metro 10,00

Cabo paralelo DB25 macho/fêmea 1 Peça 13,00

Caixa plástica para montar o circuito elétrico 1 Peça 5,00

Sensor SHT71 – marca Sensirion® 2 Peça 280,00

Ferro de solda, estanho, parafusos, furadeira, cortador de placa de fenolite, etc.

- - -

CUSTO TOTAL 330,00

Com a utilização do programa ExpressPCB® é desenvolvido o layout da placa

de aquisição de dados definitiva conforme Figura 4.8:

Figura 4.8 - Traçado da placa de aquisição de dados.

As Figuras 4.9 e 4.10 mostram a placa de aquisição de dados já preparada

para utilização através da porta paralela:



Figura 4.9 - Circuito elétrico fixado em sua base.

Figura 4.10 - Vista superior da placa de aquisição de dados com os sensores.

Capítulo 5 Software para controle Fuzzy da aeração 48


5 SOFTWARE PARA CONTROLE FUZZY DA AERAÇÃO

5.1 INTRODUÇÃO

Neste capitulo é apresentado o software de controle do sistema fuzzy o qual

está instalado em um microcomputador do tipo PC, rodando em ambiente Windows®

XP Professional e utilizando como linguagem de programação o Borland Delphi 7® –

Versão Enterprise.

A conexão do microcomputador com a placa de aquisição de dados, como

descrito no capítulo anterior, é feita através da porta paralela.

A Figura 5.1 mostra as partes que constituem o microcomputador, bem como

sua conexão à placa de aquisição de dados. Além das partes acima citadas, o

software desenvolvido possui um banco de dados Borland Interbase 7.5®, que

armazena todas as leituras de umidade e temperatura obtidas a partir dos sensores

em um intervalo de tempo pré-definido.

Figura 5.1 - Elementos de um PC e placa de aquisição de dados.



5.2 O USO DA LINGUAGEM DE PROGRAMAÇÃO BORLAND DELPHI 7® – VERSÃO ENTERPRISE

A linguagem de programação Borland Delphi 7® – Versão Enterprise é um

ambiente de programação que agrega uma plataforma de desenvolvimento

integrado ao compilador da linguagem de programação Delphi de alto nível,

disponibilizado pela empresa Borland®. A função do compilador é traduzir os

comandos das linguagens de alto nível em comandos do baixo nível que tratam

diretamente com o processador e o hardware.

O surgimento de interfaces gráficas, principalmente o Windows® e a demanda

dos usuários de sistemas computacionais por interfaces homem-máquina mais

amigáveis trouxe aos desenvolvedores de software e aplicativos a necessidade de

construir programas eficientes não só em nível de programação, mas também de

fácil utilização. A preocupação com o desenvolvimento da interface, das janelas, dos

eventos, dos botões, etc, demanda muito tempo e experiência que muitas vezes o

programador, especialista no problema que o software deve resolver, não dispõe.

O Borland Delphi 7®, Figura 5.2, é um ambiente do tipo RAD (Rapid Application

Development, ou Desenvolvimento Rápido de Aplicações), estes ambientes são

otimizados e voltados para o desenvolvimento da interface (e de muitas outras

funções como de banco de dados), possibilitando ao programador realizar apenas

as funcionalidades específicas que o software deve possuir.

Figura 5.2 - Borland Delphi 7 - Versão Enterprise. Fonte: www.borland.com

http://www.borland.com



5.3 MÓDULOS DO SISTEMA DE CONTROLE

O desenvolvimento do software de controle inteligente, utilizando a linguagem

de programação da Borland®, inicia com a confecção dos módulos envolvidos no

projeto, os quais representam as principais funções a serem realizadas pelo sistema:

• Interface Homem-Máquina: responsável pela troca de informações

entre o operador e o sistema. Este item será explorado adiante,

descrevendo-se a função de cada uma das telas que coletam ou

repassam as informações ao operador;

• O banco de dados Interbase 7.5®, fornecido pela própria Borland®,

que armazena as informações referentes à umidade e temperatura,

obtidas a partir dos sensores;

• Interface de comunicação entre a placa de aquisição de dados e o

computador. Esta comunicação é feita via porta paralela do

microcomputador e

• Módulo de controle fuzzy implementado na linguagem de

programação Borland Delphi 7®, que realiza todas as etapas de

fuzzyficação, inferência e defuzzyficação das variáveis do sistema

(umidade e temperatura).

5.4 BIBLIOTECAS ADICIONAIS UTILIZADAS NO DESENVOLVIMENTO DO SISTEMA

Além das bibliotecas padrões de componentes (formulários, botões, caixas de

edição, caixas de texto, memos, etc) que acompanham a linguagem de programação

Delphi 7®, foram utilizadas algumas bibliotecas adicionais com o objetivo de

melhorar a funcionalidade do sistema de controle.

As bibliotecas adicionais utilizadas são mostradas na Tabela 5.1, juntamente

com a sua aplicação:



Tabela 5.1 - Lista de bibliotecas adicionais utilizadas Biblioteca Desenvolvedor Utilização

TMS Skin Factory TMS Software Utilizada no desenvolvimento

da interface do sistema (telas

do sistema).

TMS Component Pack TMS Software Conjunto de componentes

adicionais utilizados em todo o

desenvolvimento do sistema.

TMS Instrumentation

WorkShop

TMS Software Conjunto de componentes para

instrumentação virtual.

Fuzzy Components Alexandre Beauvois,

adaptado por Ariangelo

Hauer Dias1

Componente freeware

responsável pelo

gerenciamento fuzzy do

sistema (fuzzyficação,

defuzzyficação).

TGIF Image Anders Melander Componente freeware utilizado

para manipular imagens (gif’s

animados).

SHT_XX.PAS Ariangelo Hauer Dias Função desenvolvida em

Borland Delphi 7, responsável

pela leitura do sensor SHT71.

5.5 INTERFACE COM O USUÁRIO

Com o objetivo de criar um sistema amigável, busca-se elaborá-lo de forma

mais simples possível, para que os operadores não tenham dificuldades na sua

utilização. A Figura 5.3 mostra a tela principal do sistema onde temos as

informações de umidade e temperatura obtidas a partir dos sensores ligados à placa

1 DIAS, H. Ariangelo; MATHIAS, M. Ivo; BIAGIONNI, M.A. Marco; CRUZ, F. Luiz; BILOBROVEC, Marcelo. Teoria Fuzzy aplicada à automação da condução racional da aeração de grãos de milho In: V Congresso Brasileiro de AgroInformática, Londrina, 2005.



de aquisição de dados. Nesta tela também temos as opções disponíveis para o

operador utilizar o sistema.

Figura 5.3 - Tela principal do sistema.

Além das informações de umidade e temperatura mostradas nos dois painéis

de LCD – Liquid Cristal Display - (Figura 5.3), o sistema possui quatro opções para o

usuário, que são mostradas na Figura 5.4:

Figura 5.4 - Opções do sistema para o operador.



A opção ativa o módulo de controle fuzzy do sistema, onde a partir de

configurações prévias no sistema é feito todo o controle do processo de aeração

(Figura 5.5):

Figura 5.5 - Tela do sistema do controle fuzzy.

A opção exibe as informações a respeito do desenvolvimento do

sistema (Figura 5.6):



Figura 5.6 - Tela de informações sobre o sistema.

A opção exibe as informações de umidade e temperatura obtidas a

partir dos sensores ligados à placa de controle de forma gráfica (Figura 5.7):

Figura 5.7 - Tela com informações gráficas de umidade e temperatura.



A opção possibilita ao usuário mudar a unidade de exibição da

temperatura nos dois painéis de LCD de graus Celsius para graus Farenheit (Figura

5.8):

Figura 5.8 - Tela de exibição da temperatura em Celsius ou Farenheit.

5.6 MODOS DE OPERAÇÃO DO SISTEMA DE AERAÇÃO

O sistema desenvolvido pode operar de duas formas: modo automático ou

modo manual. O padrão do sistema é sempre trabalhar no modo automático, mas o

sistema permite ao usuário alternar entre os dois modos.

No modo automático (Figura 5.9) não é necessária nenhuma intervenção do

operador. O sistema automaticamente obtém os dados a partir dos sensores de

umidade e temperatura conectados na placa de aquisição de dados, grava estas

informações em um banco de dados e baseado no mapa de regras estabelecido por



um especialista em aeração de grãos, realiza as etapas de fuzzyficação,

defuzzyficação.

Quando o sistema detectar a necessidade de realizar a aeração de grãos,

baseado nos valores de umidade e temperatura, o conjunto de ventiladores virtuais é

acionado, simulando uma aeração, até que a situação volte a sua condição de

normalidade.

Figura 5.9 - Sistema operando no modo automático.

Já no modo manual o sistema continua a realizar a leitura dos sensores de

umidade e temperatura, apenas que não utiliza estas informações para realizar a

fuzzyficação e defuzzyficação. Neste modo o operador pode realizar simulações com

valores de umidade e temperatura. O princípio de funcionamento é o mesmo,

apenas que no modo manual é o operador que passa a controlar o sistema.

Neste modo existem dois controles deslizantes (Figura 5.10) que permitem ao

operador simular situações reais de valores de umidade e temperatura. A partir

destes valores é realizado o processo de fuzzyficação, defuzzyficação e quando

necessário é acionado o conjunto de ventiladores virtuais, podendo o operador, se

quiser, tomar a decisão de desligá-los.



Figura 5.10 - Sistema operando no modo manual.

Em ambos os modos de operação (automático ou manual) é permitido ao

operador escolher qual o método deseja que seja feito o processo de

defuzzyficação: média (padrão), máximo ou mínimo (Figura 5.11).

Figura 5.11 - Escolha do método de defuzzyficação a ser utilizado.



O intervalo onde a aeração é recomenda situa-se entre 0,5 e 1,5 (resultado do

processo de defuzzyficação). Conforme a necessidade, o operador tem a opção de

modificar estes valores, adaptando o sistema às suas necessidades (Figura 5.12).

Figura 5.12 – Intervalo onde o sistema realiza o processo de aeração.

5.7 DESCRIÇÃO DO SISTEMA DE CONTROLE FUZZY

A principal vantagem da aplicação de controladores fuzzy é a possibilidade de

capturar por regras heurísticas as estratégias de controle de operadores humanos.

A Lógica Fuzzy é também útil em tarefas de tomadas de decisão, onde as

variáveis individuais não são definidas em termos exatos. Por exemplo, na

seqüência de tarefas de uma linha de produção industrial ou no planejamento de

manutenção, o uso da Lógica Fuzzy pode significar vantagens adicionais em

minimização de custos, devido à facilidade de implementação dessas estratégias

(MARÇAL, 2000).

Um método prático de conduzir a aeração consiste no controle da diferença da

temperatura média dos grãos e do ar ambiente, LASSERAN (1981), PUZZI (1986) e

SILVA (1995).



5.7.1 Função de fuzzyficação para a variável de entrada diferença de temperatura

O modelo fuzzy para a determinação da condução racional da aeração é

função da diferença da temperatura do grão (externa) e a temperatura do ar

ambiente.

Os conjuntos fuzzy para a diferença da temperatura do grão e do ar ambiente

têm como limite inferior 0 ºC e superior de 10 ºC, em intervalos de 1 ºC, estes

valores têm como base o Diagrama de Condução da Aeração e estão representados

na Figura 5.13. (DIAS et all, 2005).

Figura 5.13 - Conjuntos fuzzy para a diferença de temperatura do grão. A nomenclatura utilizada para a diferença de temperatura é descrita na Tabela

5.2, abaixo:

Tabela 5.2 - Variáveis lingüísticas utilizadas para fuzzyficação da diferença de temperatura Nome Identificação

MI Mínima

BP Bem pequena

P Pequena

PP Pouco pequena

M Média

PG Pouco grande

G Grande

BG Bem grande

MX Máxima



5.7.2 Função de fuzzyficação para a variável de entrada umidade do ar ambiente

O mesmo se aplica para a umidade relativa do ar ambiente e os conjuntos

fuzzy têm as seguintes características: limites inferior e superior de 30% e 90%, com

intervalos de 10%, também baseados no Diagrama da Condução Racional da

Aeração, e representados na Figura 5.14. (DIAS et all, 2005).

Figura 5.14 - Conjuntos fuzzy para a umidade relativa do ar ambiente.

A nomenclatura dos símbolos adotados para os conjuntos fuzzy estão descritos

na Tabela 5.3

Tabela 5.3 - Variáveis lingüísticas utilizadas para fuzzyficação da umidade Nome Identificação

MI Mínima

MB Muito baixa

B Baixa

M Média

A Alta

MA Meio alta

MX Máxima

5.7.3 Regras de inferência para o controle da aeração

A tabela fuzzy que representa o comportamento do sistema de condução

racional da aeração é construída analisando-se os conjuntos fuzzy para a diferença

da temperatura do grão e do ar ambiente, em função umidade relativa do ar

ambiente (diferença de temperatura por umidade relativa do ar ambiente). Assim,



qualquer condição desejada pode ser obtida através desta tabela de regras fuzzy

(Tabela 5.4):

Tabela 5.4 - Condução racional da aeração, função da Diferença temperatura do grão e ar por umidade relativa do ar ambiente

Os conjuntos fuzzy, os limites inferior e superior e as amplitudes dos intervalos

adotados para a diferença de temperatura do grão ensilado e a temperatura do ar

ambiente estão representados na Figura 5.13. Os nomes e os símbolos dos

conjuntos fuzzy adotados encontram-se na Tabela 5.2. Os valores para a umidade

relativa do ar ambiente encontram-se na Figura 5.14 e na Tabela 5.3.

A função da tabela fuzzy (Tabela 5.4) é criar o mapa de regras lingüísticas

aplicadas à fuzzyficação do sistema. Cada combinação entre uma coluna e uma

linha descreve uma situação de controle do sistema. Esta situação é determinada

pelo termo da interseção da coluna com a linha (Figura 5.15).

Figura 5.15 - Regra lingüística do mapa de regras fuzzy.

Como a diferença de temperatura entre o grão e o ar é “QUASE ALTA”, no

caso deste trabalho 5,769 ºC com grau de pertinência QA de 0,769 (Figura 5.13) e a

umidade relativa do ar é “GRANDE”, 69,233% com grau de pertinência G de 0,923

(Figura 5.14) a condução racional da aeração é “RECOMENDÁVEL” (Tabela 5.4).

De forma esquemática tem-se a estrutura mostrada na Figura 5.16. (DIAS et all,

2005).



Inferência FUZZY

Variáveis lingüísticas Variáveis lingüísticas

• diferença de temperatura entre o grão e o ar = QA

• umidade ambiente = G

• condução racional da aeração = RE

ñ Fatos Nível lingüístico Conclusões

ò

è Fuzzyficação

ç

Defuzzyficação

Nível técnico

Variáveis reais (medidas) Variável de controle (medida)

• diferença de temperatura entre o grão e o ar. ∆T= 5,769 ºC

• umidade ambiente. U = 69,233%

• condução racional da aeração = 0,712 (este valor é utilizado para a ação de ligar ou desligar o conjunto de ventiladores virtuais). Quando

este valor encontra-se no intervalo 0,5 e 1,5 o conjunto de

ventiladores virtuais é ligado.

Figura 5.16 - Estrutura completa do controlador fuzzy. DIAS et al, 2005 – adaptada.

5.7.4 Função de fuzzyficação para a variável de saída aeração

Como parte final do controlador fuzzy tem-se a etapa de defuzzyficação,

mencionada na Figura 5.16, a qual segue os mesmos passos da fuzzyficação, só

que em sentido contrário. A partir da variável lingüística de controle se obtém o valor

para que o controlador execute a ação de automação desejada. No caso deste

trabalho é a ativação do conjunto de ventiladores virtuais.

Os conjuntos fuzzy adotados para a condução racional da aeração são aqueles

contidos no Diagrama de Condução da Aeração, conforme mostrado na Figura 5.13.

Para cada um destes conjuntos fuzzy adota-se um valor numérico ao qual

chamamos de valor atribuído. Os nomes dos conjuntos fuzzy, os valores atribuídos e

os limites inferior e superior são mostrados na Figura 5.17. A nomenclatura dos

símbolos adotados para os conjuntos estão descritos na Tabela 5.5.



Estes valores são adotados para resgatar numericamente (defuzzyficar) as

variáveis lingüísticas usadas no Diagrama de Condução Racional da Aeração.

Figura 5.17 - Conjuntos fuzzy para a condução racional da aeração.

Tabela 5.5 - Processo de defuzzyficação Nome Identificação

PC Possível com cuidados

RE Recomendável

PO Possível

NR Não recomendável

Capítulo 6 Especificação do processo de aeração demonstrando a malha fechada de controle automático 64


6 ESPECIFICAÇÃO DO PROCESSO DE AERAÇÃO

É possível e desejável descrever a operação e a performance de instrumentos

de medição e equipamentos associados de uma forma generalizada sem recorrer

para especificações de hardware. A operação pode ser descrita em termos de

estágios funcionais do sistema e a performance é definida em termos de

características de performance dinâmica e estática. Esta linguagem, criada por

Ernest O. Doebelin, é normalmente usada em especificações de instrumentos e

processos de medida, pois facilita a compreensão das etapas e de seu

funcionamento. A Figura 6.1 mostra um instrumento separado através de blocos, os

quais levam a imaginar um aparato físico como sendo precisamente separado por

etapas desenvolvendo funções específicas.

Figura 6.1 - Estágios funcionais de um instrumento ou um sistema de medição.

O estágio sensor primário é aquele que primeiro recebe a energia de um

meio a ser mensurado e produz uma saída “dependendo de alguma forma” da

grandeza medida. É importante notar que um instrumento sempre extrai alguma

energia do meio mensurado. Portanto, a grandeza a ser medida é sempre

perturbada pelo ato de medir, o qual tenta executar da melhor forma possível uma

medida teoricamente perfeita. Bons instrumentos são desenvolvidos para minimizar

este efeito, mas de alguma forma o efeito se faz presente.

O sinal de saída de um estágio primário é alguma variável física, tais como:

deslocamento ou tensão. Para o instrumento desenvolver a função desejada pode



ser necessária a conversão de uma variável para uma outra mais apropriada,

preservando a informação contida no sinal original.

O estágio que atua tal qual uma função é chamada de estágio conversor de variável. Nota-se que, nem todo instrumento inclui um estágio conversor de variável.

Um instrumento para desenvolver as suas tarefas desejadas pode requerer que

o sinal representado por alguma variável física seja manipulado. Por manipulação,

aqui se entende, por uma mudança de valores numéricos concordando com algumas

regras definidas preservando-se a natureza física da variável.

O estágio chamado estágio manipulador de variável não necessariamente se

encontra logo a seguir do estágio conversor de variável, mas pode, precede-lo,

aparecer em qualquer etapa do processo ou não aparecer.

Quando os estágios funcionais de um instrumento estão separados

fisicamente, torna-se necessário transmitir os dados de um ponto para outro. O

estágio que desenvolve esta função recebe o nome de estágio transmissor de dados. Ele pode ser tão simples como um eixo, um cabo, uma haste e um conjunto

de mancais ou tão complicado como um sistema de telemetria para transmissão de

sinais via satélite por rádio.

Se a informação sobre a grandeza medida precisa ser comunicada para que

seja monitorada, controlada ou analisada por humanos é preciso ser disponibilizada

de uma forma reconhecível pelo(s) sentido(s) humano. A etapa que desenvolve esta

função de translação é denominada estágio de apresentação dos dados. Esta

função inclui uma simples indicação de um ponteiro movendo-se sobre uma escala

ou a gravação de uma pena em um gráfico.

A etapa responsável pelo armazenamento dos dados recebe a denominação

de estágio armazenador de dados. Embora o armazenamento de dados na forma

de gravação de pena e tinta é freqüentemente empregado algumas aplicações

requerem uma distinta função de estocagem de dados que podem facilmente

“chamar” da memória os dados armazenados por um comando.

Faz-se uso da linguagem sugerida para a especificação do processo no qual o

objetivo é a aeração de grãos de milho em silos verticais, Figura 6.2. O sensor

utilizado é um SHT71 e baseia-se na leitura de valores de umidade e temperatura. O



sistema especialista desenvolvido utiliza a Lógica Fuzzy para diagnosticar a

necessidade de aeração.

Em complemento a especificação do processo de aeração, no Apêndice A é

demonstrado o Fluxograma do Sistema, onde está representado de forma

esquemática o funcionamento do sistema desenvolvido.



Figura 6.2 – Especificação do processo de aeração demonstrando a malha fechada de controle automático.

Capítulo7 Resultados 68


7 RESULTADOS

Como foi mencionado neste trabalho, a aeração é feita com base na diferença

de temperatura entre o grão e o ar ambiente em função da umidade relativa do ar

ambiente e do grão. O Diagrama da Condução Racional da Aeração vem sendo

utilizado atualmente como procedimento de referência.

O objetivo deste trabalho foi implementar um sistema especialista para controle

e gerenciamento automático do processo de aeração de grãos de milho utilizando os

recursos da Lógica Fuzzy e através deste permitir ao operador do sistema controlá-

lo. O sistema tem a capacidade de gerar e interpretar automaticamente as

informações inseridas e contidas no Diagrama da Condução Racional da Aeração,

baseadas no conhecimento de especialistas.

Segundo os resultados, pode-se constatar que o sistema opera conforme o

diagrama (Figuras 7.1 e 7.2), pois a partir dos dados analisados, 5,769 ºC para

diferença de temperatura da massa de grãos e temperatura ambiente, e 69,233%

para umidade relativa do ar ambiente, temos a seguinte recomendação: “Aeração

recomendável”.

Figura 7.1 - Resultado numérico da defuzzyficação na condução racional da aeração.

5,769

69,233%

Capítulo7 Resultados 69


Figura 7.2 - Resultado lingüístico da defuzzyficação na condução racional da aeração.

No detalhe em destaque na Figura 7.1 e Figura 7.2 é possível observar que o

sistema automático recomendou a aeração, tanto na sua forma lingüística quanto

numérica com o valor de 0,712 (Figura 5.17), valor este que se situa na faixa de 0,5

e 1,5, que é a faixa aonde a aeração é recomendada.

A Figura 7.3 mostra o Sistema em funcionamento realizando a condução

racional da aeração.

Figura 7.3 - Sistema em funcionamento realizando a condução racional da aeração.

Capítulo 8 Considerações finais e trabalhos futuros 70


8 CONSIDERAÇÕES FINAIS E TRABALHOS FUTUROS

No desenvolvimento deste trabalho, a técnica de controle fuzzy foi aplicada no

desenvolvimento de um sistema especialista baseado em Lógica Fuzzy, para o

controle e gerenciamento automático do processo de aeração de grãos de milho,

através da leitura das variáveis de processo: temperatura e umidade usando-se

sensores SHT71 instalados e uma placa de aquisição de dados desenvolvida

especialmente para esta finalidade.

O software de controle foi desenvolvido com base na linguagem de

programação BORLAND Delphi 7 – Versão Enterprise e usou um conjunto de

bibliotecas adicionais que permitiu a elaboração das estratégias de controles.

Considera-se que o sistema especialista desenvolvido no trabalho permite a

aeração de grãos baseado em informações a respeito de umidade e temperatura,

tanto no modo automático como no modo manual.

A contribuição do trabalho do ponto de vista de sistemas de controle, foi o

desenvolvimento e implementação em hardware e software de um controlador fuzzy

adaptativo para o controle do processo de aeração de grãos.

O sistema desenvolvido certamente pode ser aprimorado. Numa situação

particular, que venha a exigir um maior número de variáveis ou, até mesmo de

sensores de temperatura e umidade, como um sistema mais complexo de maior

porte, que demande o monitoramento e as intervenções de controle

simultaneamente.

A possibilidade de monitoramento de forma remota, através da internet, seria

uma grande melhoria para o sistema, pois permitiria ao operador acompanhar o

processo de aeração de qualquer computador em qualquer lugar do mundo,

bastando para isto estar conectado à rede.

Também com grande desenvolvimento hoje da tecnologia wireless (sem fio),

este aprimoramento no sistema também seria de grande utilidade, pois permitiria ao

operador uma maior mobilidade do sistema. Além do fato de que a

operacionalização permitiria o uso em notebooks, PDA’s e até mesmo em telefones

celulares.

Referências 71


REFERÊNCIAS

BARBOSA, V. B. Aplicação da lógica fuzzy no controle de um motor CC. São

José dos Campos: 1º ENCITA, Instituto Tecnológico da Aeronáutica, 1995.

BILOBROVEC, Marcelo; MARÇAL, Rui Francisco Martins; KOVALESKI, João Luís.

Implementação de um sistema de controle inteligente utilizando a lógica fuzzy In: XI Simpósio de Engenharia de Produção, Bauru, 2004.

BOSE, B. K. “Expert system, fuzzy logic, and neural networks in power electronics and drives,” Power Electronics and Variable Frequency Drives, IEEE

Press, NJ: 1996.

BURREL, N. J. Aeration systems. London Road: Ministry of Agriculture, Fisheries

and Food, 1973

CABRAL, R. B. Adaptação Computacional de Sistemas de Inferência Difusos: um caso aplicado. Dissertação de Mestrado. Florianópolis, 1994.

CHANG, C. L. Interpretation and execution of fuzzy programs. In: Fuzzy sets

and their applications to cognitive and decision processes. New York: Academic

Press, 1974.

COUTINHO, L. A Terceira revolução industrial e tecnologia. Revista Economia e

Sociedade, N. 1, agosto de 1992, pg. 69-87.

CRUZ, L. F. Sistematizações da teoria fuzzy. Dissertação de Mestrado,

Universidade Estadual Paulista. Rio Claro, 1996.

DE BEER, A. G. Drying and storing agricultural products on farm. Farming in

South África, [s. 1.], p.29-68, 1972.

DIAS, H. Ariangelo; MATHIAS, M. Ivo; BIAGIONNI, M.A. Marco; CRUZ, F. Luiz;

BILOBROVEC, Marcelo. Teoria Fuzzy aplicada à automação da condução racional da aeração de grãos de milho In: V Congresso Brasileiro de

AgroInformática, Londrina, 2005.

Referências 72


DOEBELIN, E. O. Measurement Systems: application and design. Departament

of Mechanical Engineering the Ohio State University. McGraw – Hill Publishing

Company; New York; 4 th ed.; 1990.

DRIANKOV, D.; HELLENDOORN, H.; REINFRANK, M. An Introduction to Fuzzy Control, Springer-Verlag, 1996.

FEITOSA, H. A. Princípios fundamentais da teoria fuzzy. Dissertação de

Mestrado. Instituto de Geociências e Ciências Exatas, Universidade Estadual

Paulista. Rio Claro, 1992.

FERNANDES, A. P. S. Sistema Especialista Difuso de Apoio ao Aprendizado do traumatismo Dento-Alveolar utilizando Recursos Multimídia. Dissertação de

Mestrado. Universidade Federal de Santa Catarina, Florianópolis, 1997.

FERNANDES, A. M. R. Sistema Especialista Difuso Aplicado ao Processo de Análise Química Qualitativa de Amostras de Minerais. Dissertação de Mestrado,

curso de Pós Graduação em Ciências da Computação, Universidade Federal de

Santa Catarina, Florianópolis, 1996.

GONÇALVES, V. A. Desenvolvimento de um sistema computacional para o controle automático do processo de aeração de grãos de milho. Tese de

Doutorado. Faculdade de Ciências Agronômicas, Universidade Estadual Paulista.

Botucatu, 1992.

GOODMAN, D. e outros, Da lavoura às biotecnologias. Agricultura e indústria no

sistema internacional. Rio de Janeiro: Editora Campus, 1990.

GRAZIANO da Silva, J. "Fim do "Agribusiness" ou emergência da biotecnologia?". Revista Economia e Sociedade, n.1, agosto de 1992, pg. 163-167.

GRAZIANO da Silva, J. Progresso técnico e relações de trabalho na agricultura,

São Paulo: Editora Hucitec, 1981.

GUILLEMIN, P. Fuzzy logic applied to motor control. In: INTERNATIONAL

APPLIANCE INDUSTRY TECHNICAL CONFERENCE, 1995, Madison. IEEE

Referências 73


Transactions on industry applications. Rousset: SGS-Thomson Microelectronics,

1996. v.32, n.1, p.51-6.

IVANQUI, J. Esteira eletrônica com velocidade controlada por lógica fuzzy.

Dissertação de Mestrado. Curitiba, 2005. 104p.

LASSERAN, J. C. Aeração de grãos. Viçosa: CENTREINAR, 1981, 131p.

MARÇAL, Rui Francisco Martins, SUSIN, Altamiro A. O emprego de inteligência artificial como ferramenta de apoio à tomada de decisão na manutenção industrial. In: III Seminário Catarinense – ABRAMAN 2005. Joinville/SC.

MARÇAL, Rui Francisco Martins. Uma Metodologia para detectar Falhas Incipientes em Máquinas Rotativas baseada em Análise de Vibração e Lógica Fuzzy. Tese de Doutorado UFRGS - Porto Alegre – RS. 2000.

MARÇAL, Rui F. M.; NEGREIROS, M.; SUSIN, Altamiro A.; KOVALESKI, João L.

Detecting faults in rotating machines. IEEE Instrumentation & Measurement

Magazine, New York, v. 3, n. 4, december 2000.

MATTOS; Merisandra Côrtes de. Sistema Difuso de Controle da Assistência Respiratória em Neonatos – SARE. Dissertação de Mestrado. Universidade

Federal de Santa Catarina. Florianópolis, 2001.

MESSIAS, A. R. A porta paralela do PC. Disponível em <http://www.rogercom.com>

Acesso em: 10 Abril 2005.

METZGER, J. F. Aeration of stored wheat in the Canadian Prairies. Winnipeg:

Dissertação de Mestrado – Universidade de Manitoba. 1980. 159p.

PUZZI, D. Abastecimento e armazenagem de grãos. Grãos - Armazenagem.

Campinas, SP: Instituto Campineiro de Ensino Agrícola, 1986. p. 355-432.

PUZZI, D. Conservação dos grãos armazenados. São Paulo: Editora Agronômica

Ceres, 1973. 405p.

http://www.rogercom.com

Referências 74


RIFKIN, Jeremy. Fim dos Empregos: o declínio inevitável dos níveis dos empregos e a redução da força global de trabalho. São Paulo: Makron Books,

1995.

ROSS, T. Fuzzy Logic with Engineering Applications, McGraw-Hill. 1995.

SHT71 - SENSIRION. Disponível em

<http://www.sensirion.com/images/getFile?id=25> Acesso em: 15 Abril 2005.

SILVA, J. S. Pré-processamento de produtos agrícolas. Juiz de Fora: Instituto

Maria, 1995, 500p.

TANAKA, K., MIZUMOTO, M. Fuzzy programs and their execution. In: Fuzzy sets

and their applications to cognitive and decision processes. New York: Academic

Press, 1974. p.41-76.

VIEIRA, R. S. Protótipo de um sistema de monitoramento remoto inteligente.

Dissertação de mestrado, 1999, UFSC.

ZADEH, L. A. Fuzzy sets and applications. USA: John Wiley & Sons, 1987. 684p.

http://www.sensirion.com/images/getFile?id=25

Apêndice A Fluxograma do sistema 75


APÊNDICE A - FLUXOGRAMA DO SISTEMA

Configurações iniciais: porta paralela

no modo EPP, timer.

Leitura da

temperatura e

umidade

INÍCIO

não

Leitura da

temperatura e

umidade do silo

sim

não

Exibir temperatura e

umidade do

ambiente e do silo

sim

Armazenar informações

de temperatura e umidade

ambiente e do silo

Exibir temperatura e

umidade no gráfico

Iniciar processo de inferência fuzzy através

da diferença de temperatura do Silo –

Ambiente e da umidade Ambiente

Resultado da

defuzzyficação está

entre 0,5 e 1,5?

não Exibir estado dos ventiladores vituais e

acionar conjunto de ventiladores sim

Exibir estado dos

ventiladores virtuais e

desativar conjunto de

ventiladores

Livros Grátis( http://www.livrosgratis.com.br )

Milhares de Livros para Download: Baixar livros de AdministraçãoBaixar livros de AgronomiaBaixar livros de ArquiteturaBaixar livros de ArtesBaixar livros de AstronomiaBaixar livros de Biologia GeralBaixar livros de Ciência da ComputaçãoBaixar livros de Ciência da InformaçãoBaixar livros de Ciência PolíticaBaixar livros de Ciências da SaúdeBaixar livros de ComunicaçãoBaixar livros do Conselho Nacional de Educação - CNEBaixar livros de Defesa civilBaixar livros de DireitoBaixar livros de Direitos humanosBaixar livros de EconomiaBaixar livros de Economia DomésticaBaixar livros de EducaçãoBaixar livros de Educação - TrânsitoBaixar livros de Educação FísicaBaixar livros de Engenharia AeroespacialBaixar livros de FarmáciaBaixar livros de FilosofiaBaixar livros de FísicaBaixar livros de GeociênciasBaixar livros de GeografiaBaixar livros de HistóriaBaixar livros de Línguas










http://www.livrosgratis.com.br/cat_1/administracao/1







http://www.livrosgratis.com.br/cat_2/agronomia/1







http://www.livrosgratis.com.br/cat_3/arquitetura/1







http://www.livrosgratis.com.br/cat_4/artes/1







http://www.livrosgratis.com.br/cat_5/astronomia/1







http://www.livrosgratis.com.br/cat_6/biologia_geral/1









http://www.livrosgratis.com.br/cat_8/ciencia_da_computacao/1











http://www.livrosgratis.com.br/cat_9/ciencia_da_informacao/1











http://www.livrosgratis.com.br/cat_7/ciencia_politica/1









http://www.livrosgratis.com.br/cat_10/ciencias_da_saude/1











http://www.livrosgratis.com.br/cat_11/comunicacao/1







http://www.livrosgratis.com.br/cat_12/conselho_nacional_de_educacao_-_cne/1















http://www.livrosgratis.com.br/cat_13/defesa_civil/1









http://www.livrosgratis.com.br/cat_14/direito/1







http://www.livrosgratis.com.br/cat_15/direitos_humanos/1









http://www.livrosgratis.com.br/cat_16/economia/1







http://www.livrosgratis.com.br/cat_17/economia_domestica/1









http://www.livrosgratis.com.br/cat_18/educacao/1







http://www.livrosgratis.com.br/cat_19/educacao_-_transito/1









http://www.livrosgratis.com.br/cat_20/educacao_fisica/1









http://www.livrosgratis.com.br/cat_21/engenharia_aeroespacial/1









http://www.livrosgratis.com.br/cat_22/farmacia/1







http://www.livrosgratis.com.br/cat_23/filosofia/1







http://www.livrosgratis.com.br/cat_24/fisica/1







http://www.livrosgratis.com.br/cat_25/geociencias/1







http://www.livrosgratis.com.br/cat_26/geografia/1







http://www.livrosgratis.com.br/cat_27/historia/1







http://www.livrosgratis.com.br/cat_31/linguas/1







Baixar livros de LiteraturaBaixar livros de Literatura de CordelBaixar livros de Literatura InfantilBaixar livros de MatemáticaBaixar livros de MedicinaBaixar livros de Medicina VeterináriaBaixar livros de Meio AmbienteBaixar livros de MeteorologiaBaixar Monografias e TCCBaixar livros MultidisciplinarBaixar livros de MúsicaBaixar livros de PsicologiaBaixar livros de QuímicaBaixar livros de Saúde ColetivaBaixar livros de Serviço SocialBaixar livros de SociologiaBaixar livros de TeologiaBaixar livros de TrabalhoBaixar livros de Turismo

http://www.livrosgratis.com.br/cat_28/literatura/1







http://www.livrosgratis.com.br/cat_30/literatura_de_cordel/1











http://www.livrosgratis.com.br/cat_29/literatura_infantil/1









http://www.livrosgratis.com.br/cat_32/matematica/1







http://www.livrosgratis.com.br/cat_33/medicina/1







http://www.livrosgratis.com.br/cat_34/medicina_veterinaria/1









http://www.livrosgratis.com.br/cat_35/meio_ambiente/1









http://www.livrosgratis.com.br/cat_36/meteorologia/1







http://www.livrosgratis.com.br/cat_45/monografias_e_tcc/1







http://www.livrosgratis.com.br/cat_37/multidisciplinar/1





http://www.livrosgratis.com.br/cat_38/musica/1







http://www.livrosgratis.com.br/cat_39/psicologia/1







http://www.livrosgratis.com.br/cat_40/quimica/1







http://www.livrosgratis.com.br/cat_41/saude_coletiva/1









http://www.livrosgratis.com.br/cat_42/servico_social/1









http://www.livrosgratis.com.br/cat_43/sociologia/1







http://www.livrosgratis.com.br/cat_44/teologia/1







http://www.livrosgratis.com.br/cat_46/trabalho/1







http://www.livrosgratis.com.br/cat_47/turismo/1







SISTEMA ESPECIALISTA EM LÓGICA FUZZYlivros01.livrosgratis.com.br/cp037463.pdf · 2016-01-25 ·...

Documents

Transcript of SISTEMA ESPECIALISTA EM LÓGICA FUZZYlivros01.livrosgratis.com.br/cp037463.pdf · 2016-01-25 ·...